The Best AI Benchmark Is Your Own Work

这是一篇典型的 newsletter 实用技巧文，核心是一段可复制粘贴的提示词（把日常任务转成自建评测），并未提出任何新技术、新产品或新数据。它触及的是'基准榜单与个人实际工作价值脱节'这一长期被讨论的痛点，但给出的解决方案属常识性变通（用新旧模型临时会话跑同一提示词对比），既不改变任何厂商竞争格局，也不影响模型能力边界，属于小圈子内的经验分享，冲击力有限。评分依据：无新产品/融资/范式转移，仅为方法建议，故落在低区间 2.5。

本文本质是一篇 newsletter 方法论技巧（个人化自建基准 + 用 LLM-as-judge 对比），而非产品、协议或基础设施，本身几乎不产生可持续的资产沉淀，所以复利分偏低。但它指向一个真实的、正在成形的赛道——私人/领域专属评测（private evals）：官方榜单（MMLU、LMArena 等）衡量的是一次性、公开、可被刷分的能力，而用户真正愿意付费的是'这个模型是否更擅长我正在做的事'。这一需求一旦被产品化（上下文记忆 + 持久工作文件 + 自动化对比），就会形成强用户粘性与切换成本，具备成为细分赛道基础设施的潜力。因此我给出 3 分：作为独立事件是昙花一现的自媒体技巧，但作为'评测权从模型厂商手里向用户端迁移'这一长期趋势的早期信号，值得资本持续跟踪。